| Metadato | Etiqueta | Valor | Idioma |
|---|---|---|---|
| dc.contributor.author | Autor | Cardozo Politi, Santiago | - |
| dc.contributor.author | Autor | Silveira, Adrián | - |
| dc.contributor.author | Autor | Fonseca, Bruno | - |
| dc.contributor.filiacion | Filiación | Cardozo Politi Santiago, Universidad de la República (Uruguay). Facultad de Ciencias Sociales | - |
| dc.contributor.filiacion | Filiación | Silveira Adrián, Universidad de la República (Uruguay). Facultad de Información | - |
| dc.contributor.filiacion | Filiación | Fonseca Bruno | - |
| dc.coverage.spatial | Cobertura geográfica | Uruguay | es |
| dc.date.accessioned | Fecha ingreso | 2023-08-24T12:04:26Z | - |
| dc.date.available | Fecha disponible | 2023-08-24T12:04:26Z | - |
| dc.date.issued | Año de publicación | 2022 | - |
| dc.description | Descripción | Trabajo elaborado en el marco del Fondo María Viñas de la ANII-2019 (FMV_1_2019_1_156119) articulado desde el Departamento de Sociología de FCS y la Dirección de Investigación Evaluación y Estadística (DIEE) de ANEP | es |
| dc.description.abstract | Resumen | El trabajo utiliza técnicas de aprendizaje computacional (machine learning) para la estimación del riesgo escolar durante los primeros tres años de la trayectoria en la enseñanza primaria de una cohorte de alumnos uruguayos. Se utilizan tres técnicas de análisis (regresión logística, redes bayesianas y árboles de clasificación) con el propósito de identificar el riesgo de trayectorias escolares pautadas por la repetición de al menos un curso, en función de un conjunto de factores antecedentes a su transición al primer grado de enseñanza primaria. Estos factores abarcan desde las condiciones sociosanitarias al momento del nacimiento hasta la situación familiar y educativa de los alumnos sobre el final de su escolarización preprimaria. En particular, el análisis se focaliza en el poder predictivo de las habilidades captadas por la Evaluación Infantil Temprana (EIT) que se aplica próximo a la finalización de la educación inicial, sobre los cinco años de edad. Los resultados sugieren que las habilidades captadas por EIT logran identificar anticipadamente a la mayoría de los niños con riesgo educativo. Los niveles de precisión y de sensibilidad de los modelos que incluyen este factor evidencian el potencial de los sistemas de alerta temprana para detectar y prevenir situaciones de “fracaso escolar”. | es |
| dc.description.abstract | Resumen | The work uses computational learning techni- ques (machine learning) to estimate school risk during the first three years of the trajectory in primary education of a cohort of Uruguayan students. We use three analysis techniques (logistic regression, Bayesian networks, and classification trees) to identify the risk of school trajectories based on the repetition of at least one year, based on a set of factors before the transition to the first year of primary school. These factors range from the students’ socio- sanitary conditions at their birth to their family and educational situation at the end of their pre-primary schooling. In particular, the analy- sis focuses on the predictive power of the skills captured by the Early Childhood Assessment (EIT ) that is applied close to the end of initial education, around five years of age. The results suggest that the skills captured by EIT manage to identify in advance the majority of children with educational risk. The levels of precision and sensitivity of the models that include this factor show the potential of early warning systems to detect and prevent situations of “school failure”. | es |
| dc.format.extent | Extensión | 30 p. | es |
| dc.format.mimetype | Formato | application/pdf | es |
| dc.identifier.citation | Citación | Cardozo Politi, S, Silveira, A y Fonseca, B. "Detección temprana del riesgo escolar. Predicción de trayectorias de rezago en la educación primaria en Uruguay mediante técnicas de machine learning". Revista Latinoamericana de Estudios Educativos [en línea] 2022, v. 52, n. 2, pp. 297–326. https://doi.org/10.48102/rlee.2022.52.2.391 | es |
| dc.identifier.doi | DOI | https://doi.org/10.48102/rlee.2022.52.2.391 | - |
| dc.identifier.uri | URI | https://hdl.handle.net/20.500.12008/39661 | - |
| dc.language.iso | Idioma | es | es |
| dc.relation.ispartof | EN | Revista Latinoamericana de Estudios Educativos, v. 52, n. 2, pp. 297–326 | es |
| dc.rights | Derechos | Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014) | es |
| dc.rights.licence | Licencia | Licencia Creative Commons Atribución - No Comercial - Compartir Igual (CC - By-NC-SA 4.0) | es |
| dc.subject | Palabras clave | Desarrollo infantil | es |
| dc.subject | Palabras clave | Riesgo escolar | es |
| dc.subject | Palabras clave | Machine learning | es |
| dc.subject | Palabras clave | Repetición | es |
| dc.subject | Palabras clave | Child development | es |
| dc.subject | Palabras clave | School risk | es |
| dc.subject | Palabras clave | Machine learning | es |
| dc.subject | Palabras clave | Repetition | es |
| dc.title | Título | Detección temprana del riesgo escolar. Predicción de trayectorias de rezago en la educación primaria en Uruguay mediante técnicas de machine learning | es |
| dc.title.alternative | Otros títulos | Early detection of school risk. Prediction of trajectories of school backwardness in primary education in Uruguay using machine learning techniques | es |
| dc.type | Tipo de documento | Artículo | es |
Colecciones:
| Ficheros | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| Deteccion temprana del riesgo escolar_2022.pdf | — | 729.16 KB | Adobe PDF |